鄂尔多斯盆地苏里格气田苏5区块盒8段-山1段波形约束建模反演及模拟

2023-11-09欧阳明华史建南徐明华

成都理工大学学报（自然科学版） 2023年5期

欧阳明华,史建南,赵地,徐明华,韩翀

(1.中国石油川庆钻探工程有限公司,成都 610051;2.成都理工大学沉积地质研究院,成都 610059)

鄂尔多斯盆地苏里格气田二叠系石盒子组第8段(简称“盒8段”)-山西组第1段(简称“山1段”)是苏5区块上古生界气藏主力产层,其形成于辫状河-曲流河沉积体系,砂体及储层展布明显受河道控制［1-2］。陆相沉积地层砂体厚度薄、横向变化快、非均质性强,砂泥岩波阻抗特征差异小、分布区间大面积重叠,砂体及储层平面预测存在诸多难点［3-4］,强非均质薄储层预测是困扰此类气藏勘探开发的难点。

实际生产中,研究者依据砂体、储层受沉积相控制的地质特点,将沉积相、地震相、储层地震响应特征分析结合,总结出了一套波形类比+地震属性+邻井对比的有利勘探目标识别方法,取得了较好的效果。参照上述方法,本文提出了地震波形约束建模反演的思路,利用地震波形约束初始模型的空间取值,进行沉积相控,从而获得分辨率高、预测效果好的反演结果,取得了良好应用效果,为此类薄储层预测提供了新思路。

1 沉积相与地震反射模式

1.1 盒8段与山1段沉积相特征

苏5区块盒8段-山1段可分为盒81、盒82、盒83、盒84、山11、山12、山13共7个层段,其中盒8段下部(盒83、盒84)和山1段(山11、山12、山13)为主产层段,盒83、盒84为辫状河沉积,山11、山12、山13为曲流河三角洲沉积。盒83及盒84段为典型的辫状河沉积,主要发育河床和河漫2种亚相以及河床滞留、心滩、辫状河道、废弃河道及泛滥平原等5种沉积微相［5］。山1段沉积时期,主要发育一套曲流河沉积,河道主要呈近南北向展布,河道具有一定弯曲度并呈网状交织,东西向河道分隔性较强,河道发育区边滩沉积较为发育,在山11沉积时期由曲流河向辫状河过渡,发育部分心滩沉积。由于河道发育区域沉积物的不断堆积,导致河床和天然堤不断升高,泛滥平原区域逐渐变为河间洼地,洪水期河床凹岸一侧极易发生决口形成决口扇。

1.2 沉积相与地震反射模式

陆相碎屑岩沉积地层,地层岩性变化快,砂体、储层垂向分布不稳定,地震反射模式往往反映沉积(微)相组合关系,不仅受地层本身沉积相的影响,还同时会受上下地层沉积相的影响,地震相研究需要考虑地震波形与沉积(微)相组合之间的关系。

对于研究区主产层盒8段、山1段,由于沉积(微)相及其组合特征的差异,不同区域河道砂体厚度、垂向发育位置及其组合特征也差异较大。地震反射模式往往能反映出该时窗范围的沉积相组合类型,从一定程度反映河道砂体厚度、垂向发育部位及其组合特征的差异。结合沉积相、测井相及其他地质信息,能合理推断出特定时窗内不同波形特征所对应的沉积(微)相垂向组合特征,从而寻找河道砂体、储层发育的有利区。

沉积相控制着盒8段-山1段砂体垂向发育,地层沉积相组合、砂体垂向叠置情况的差异在地震剖面上表现为波形特征的差异。同一地区储层的沉积模式可由地震相反映［6］,当沉积相组合类型发生变化时,对应的地震波波形的特征也会发生变化,不同的沉积相的组合、砂体垂向叠置在地震剖面上表现为不同的地震反射模式。

苏5区块研究表明,盒8段-山1段地震反射模式与砂体发育情况及其垂向组合叠置相关,可分为2大类地震反射模式:第①类,盒8底弱波峰-弱波峰消失,对应盒8段下部、山1段上部河道砂体均发育较好,两个层段间波阻抗差异小;第②类,盒8底中强-强波峰反射,对应盒8段下部河道砂体发育较好,山1段上部砂体发育较差,2个层段间波阻抗差异明显(图1)。

图1 苏5区块盒8段-山1段2类地震反射模式图Fig.1 Two types of seismic reflection modes for He-8 and Shan-1 section in Su-5 Block

地震反射特征不仅体现了沉积相的差异,也可从一定程度上体现出储层物性差异。在第①类反射模式区,储层发育好的井盒8段内部波谷反射增强;在第②类波形反射模式,储层发育好的井盒8段内部波谷,盒8段底界波峰反射都增强。砂体厚度、垂向发育位置、储层发育情况的差异,都会不同程度地表现为地震反射特征的差异,根据这些差异,两大类地震反射模式又可以被进一步细分若干类波形。

1.3 波形分类研究

波形分类是地震相、沉积相研究中常用的一种技术［7-10］,可以根据地震信号的振幅、频率、相位特征对地震反射进行分类,为沉积相划分提供依据。此次研究采用一种限定最低相关系数门槛、不确定分类数的波形分类方法开展波形分类,以便于将结果与沉积相模式、地震响应模式研究成果相结合,建立对应关系。时窗选取至关重要,结合地震反射模式分析结果,以盒8底向上5 ms为中心,对20～100 ms范围内的时窗长度进行测试,最终优选出70 ms为最佳分类时窗长度。然后,对分类相关系数门槛进行测试。使用该方法进行分类时,相关系数门槛越高,同一类波形间相关性更好,类与类之间的差异也趋于不明显,分类数也相应增加。图2是相关系数门槛为0.6时的盒8段-山1段波形分类图及主要分类对应的波形,虽然相关系数门槛取值较低,但相较于人工地震反射模式分析,此时的波形分类数明显更多已达5类。从波形分类与地震反射模式人工识别的对应关系来看,二者存在较好对应关系,Ⅰ、Ⅱ、Ⅲ、Ⅳ类波形区多处于第①类反射模式区,Ⅴ类波形区多处于第②类反射模式区。其中Ⅰ、Ⅱ、Ⅲ、Ⅳ类波形区为盒8下、山1段砂体都发育较好的区域,符合目前对沉积相、砂体展布的认识,也说明利用地震波形进行相控取值是可行的。

2 波形约束建模反演及模拟

2.1 模型驱动反演

模型驱动反演是薄储层识别方面最为常用的方法。模型驱动类反演是指联合利用地震数据和测井数据的反演方法,常用方法包括广义线性反演、随机反演、地质统计学反演等［11］。

假设反射系数为稀疏分布,叠后地震道可以被认为是反射系数与地震子波的卷积［12-13］,反射系数是子波、地震道的函数,其数学表达式为:

S(t)=r(t)W(t)+N(t)

(1)

式中:S(t)为地震道;r(t)为反射系数,W(t)为地震子波,N(t)为外加噪声;t为时间。

r=(WTW+λI)-1WTS

(2)

式中:r为反射系数;λ为预白化因子;I为单位矩阵;W为地震子波;S为地震道;T为向量的转置。

模型驱动反演利用子波、地震道、模型构建目标函数,进行迭代运算,使地震、测井、反演结果实现最优匹配,其数学表达式［14-16］:

J=a1×‖S-W·r‖2+a2×‖M-H·r‖2

(3)

式中:J为目标函数;S为地震道;M为初始阻抗模型;H为积分算子,用以产生最终阻抗;W为地震子波;r为所求解反射系数;a1、a2分别为权重系数。

地震反演是利用地震数据求解波阻抗的过程,模型驱动反演的信息来源于测井、地震数据2个方面,其反演精度主要取决于反射系数求取准确性、模型精度、地震资料信噪比等因素。广义线性反演、随机反演、地质统计学反演等模型驱动反演都没有脱离上述理论基础,其主要差别在模型构建方式的不同与反演目标函数的一些变动。

相对于测井数据,地震资料缺少资料带宽以外的低频信息与高频信息,模型驱动反演的低频信息、高频信息均来源于测井数据构建的模型,要提高模型驱动反演精度最为关键的是要提高初始模型构建的精度。目前模型驱动反演的插值方法有三角插值、自然邻值、反距离加权、克里格等,地质统计学反演在插值过程中还加入了概率函数的约束。但总体而言,这些模型反演效果的预测性不佳,没有较好解决测井曲线“外推”的问题。

2.2 波形约束建模

相似的沉积环境下,具有相似的岩性组合结构及曲线旋回,产生相似的地震波形,而相似的波形所代表的储层结构具有可类比性,地震波形横向变化可以指示沉积环境变化［17］。地震波形蕴含地层沉积相信息,利用地震波形的横向变化约束反演模型插值可以从某种意义上起到沉积相控的作用,使测井曲线外推更为合理,与沉积相变化相符。地震资料本身的分辨率较为有限,提高反演垂向分辨率需更多借助测井资料信息［18-20］。广义线性反演、地质统计学反演、波形指示反演等模型驱动反演技术的高频信息来源于模型,薄层预测效果很大程度上取决于模型的精度。利用地震波形约束构建反演初始模型,可更好地利用地震波形变化来反应地层纵横向非均质性变化,构建更合理的初始模型提高反演预测精度。

图3是反距离加权法与波形约束建模法所构建伽马模型的平面效果对比,图中提取了盒8底向上10 ms至盒8底的伽马平均值,该时窗范围盒84砂体发育较好。从图中可以看出,反距离加权插值法所构建模型伽马值完全依据邻井外推,呈均匀、连续变化特点,周围的“牛眼”现象明显,预测性差不能反应砂体空间变化。波形约束建模法所构建模型,井间变化参考了地震波形,变化丰富、过渡自然,井点周围无“牛眼”现象,起到了利用地震波形约束进行相控作用,也具有一定的预测性。

图3 波形约束建模法与反距离加权法伽马模型对比Fig.3 Comparison of waveform constraint modeling and inverse distance weighting

2.3 波形约束建模速度反演

从钻井资料反映的苏5区块盒8段-山1段砂体、储层的平面展布来看,其受沉积相的控制作用十分明显。地震波形与沉积相存在某种相关,以地震波形为约束构建反演初始模型,可以起到利用地震波形进行沉积相控作用,使反演初始模型更为合理,从而提高反演精度的作用。波形约束建模速度反演流程如下:①在精确井震标定基础上,以地震反射模式分析为基础,优选相关时窗长度建立测井曲线与地震波形间关联,构建井震关联数据库;②确定波形约束建模的最低相关系数门槛,根据波形相似性在井震关联数据库中筛选满足条件的井,利用朴素贝叶斯方法进行模型取值构建反演初始模型;③优选适当的约束、反演参数,进行迭代反演,使反演结果与测井资料、地震资料达到最优匹配;④对反演剖面进行质控,得到对井效果好、平面变化合理、分辨率高的反演结果。

由于反演的初始模型取值依据地震波形的相似性,相似的地震波形说明其沉积相特征相似,模型能较好地反映地层沉积相与储层非均质性特征的变化,有效避免了初始模型主要依靠邻井插值不能反映沉积相变化的弊端,较好地解决了模型反演的“外推”问题。

相关时窗长度是影响波形约束建模反演效果的关键参数,图4反映了相关时窗长度对波形约束建模反演效果的影响。此次用于反演的地震资料主频约为30 Hz,资料品质高、保真度好,井震关联数据库构建利用了区内200余口井的资料,保证了井震关联数据库的样本充足、模式可靠。当时窗长度取20 ms时(小于1个波长),此时关联时窗长度较短,所建立的测井曲线-地震波形关联数据库准确度低,地震波形约束建模多解性强,外推效果较差。当时窗长度取60 ms时(约2个波长),关联时窗长度趋于合理,所建立的测井曲线-地震波形关联数据库基本合理,地震波形约束建模多解性减弱,反演具有较好的外推效果。当时窗长度为100 ms时(约3个波长),所建立的测井曲线-地震波形关联数据库合理,地震波形约束建模多解性进一步降低,反演外推效果好。

图4 相关时窗长度对波形约束建模反演的影响Fig.4 Effect of correlation window length on waveform constraint modeling inversion

图5是广义线性反演与波形约束建模反演的剖面效果对比,二者所使用的反演参数相同,进一步了说明波形约束建模反演的预测性更好。该连井剖面过4口井,其中16-22井、14-23井、12-22井为参与反演井,13-21井为验证井。从反演的井间变化趋势来看波形约束建模反演与地震波形相似度更高,更好地反映了地震波形的变化,从验证井反演效果来看,波形约束建模反演对井效果更好,地层速度变化也更为合理。

图5 广义线性反演与波形约束建模反演剖面对比Fig.5 Comparison of generalized linear inversion and waveform constrained modeling inversion profile

相对于广义线性反演,波形约束建模反演的优势在于可将地震相信息应用到反演初始模型构建,利用地震波形约束实现相控模型构建,因而其反演结果的平面变化趋势更为合理,真正意义上兼顾垂向高分辨率与横向预测性。在井资料较充分的条件下,选取适当相关时窗长度(2个波长以上),能较为准确建立测井曲线—地震波形相关,波形约束建摸反演可以起到利用地震波形进行相控,从而提高反演分辨率和预测精度的作用。

2.4 波形约束建模伽马模拟

研究区盒8段-山1段砂体与泥岩之间速度、波阻抗分布重叠空间大,利用速度反演或波阻抗反演进行砂体识别效果差,砂体识别需要依靠自然伽马。盒8段-山1段砂体受沉积相控制作用十分明显,地震波形特征与沉积相及其垂向组合方式密切相关,相似地震波形一般对应相似的沉积相或沉积垂向组合,其伽马曲线形态可能也有较好相似性。

根据上述思路,此次采用波形约束建模进行了伽马曲线模拟预测,其具体步骤如下:①在声波合成记录标定基础上,分析伽马曲线形态与地震反射特征之间的关系;②优选合理时窗,建立反映伽马曲线形态、地震波形间关系的井震关联的数据库;③确定最低相关系数门槛,根据地震波形相似性优选在井震关联数据库中优选满足条件的井,通过朴素贝叶斯方法利用地震道预测伽马值;④优选适当的参数进行伽马数据插值、平滑、迭代,得到平面趋势变化合理的伽马模拟体;⑤结合波形分类开展验证井符合性分析,将对井符合差的井增加为约束井用于井震关联数据库的构建。

研究区一次覆盖面积977 km2,有钻井400余口,此次利用其中200多口井开展波形约束建模伽马模拟。试验结果表明,当时窗长度达到60 ms以上(约2倍波长)时伽马模拟结果分辨率高、与测井曲线对应关系好,其模拟结果可以用于岩性识别。图6是相关时窗长度分别为60 ms、100 ms时的波形约束建模伽马模拟剖面,从中可以看出伽马模拟剖面对井效果好、分辨率高,能反映厚度5 m以下的砂岩薄层变化,横向变化趋势合理,与地震波形相关度高,具有良好的相控效果。

图6 不同相关时窗长度的伽马模拟剖面Fig.6 Gamma simulation profiles with different correlation time window lengths

图7是利用伽马模拟数据体、速度反演数据体提取的盒8段-山1段优质砂体预测及相关成果图,优质砂体的门槛值为速度<4 650 m/s、伽马值<90 API,提取时窗分别为盒8底向上20 ms—盒8底与山1底—山1底向下15 ms。从图中可以看出,研究区中部盒8段下部、山1段上部优质砂体均发育较好,盒8段、山1段之间波阻抗差异不明显,盒8底表现为弱振幅特征,对应第①类地震反射模式区。研究区东西两侧盒8段下部优质砂体发育好,山1段上部优质砂体发育差,盒8段、山1段之间波阻抗差异明显,盒8底为强振幅特征,对应第②类地震反射模式区。目前的储量分类成果进一步印证了预测成果的可靠性。预测图中盒8段下部、山1段上部优质砂体厚度较大的区域多处于Ⅰ、Ⅱ类储量区,这些区域钻探效果好;盒8段下部、山1段上部砂体厚度均较薄的区域多为Ⅲ、Ⅳ类储量区,这些区域钻探效果差。

图7 苏5区块盒8段-山1段优质砂体预测结果图Fig.7 Prediction results of high-quality sand bodies in He-8 and Shan-1 of Su-5 Block

2.5 方法适应性分析

井震关联数据库的构建,是影响波形约束建模反演(模拟)效果的关键,一定数量的测井数据是井震关联数据库构建的基础,随井数增加井震关联数据库的模式井更为丰富,模式识别的精度也随之提高。沉积相组合、地震波形特征的差异度对波形约束建模反演(模拟)效果有重要影响,沉积相组合多变、地震波形特征复杂,所需的模式井也就更多。实际应用中,如果井资料较少或钻井分布不均,可以将波形分类作为波形约束建模反演的质控手段,用以分析某类波形是否具有对应井曲线,如果某类波形缺少对应的曲线,应通过增加虚拟井完善井震关联数据库,使预测结果更为可靠。